Το Βιετνάμ είναι ο δεύτερος μεγαλύτερος εξαγωγέας καφέ στον κόσμο και αντιπροσωπεύει περισσότερο από το ήμισυ της παγκόσμιας προσφοράς Robusta. Η παραγωγή καφέ κατά το καλλιεργητικό έτος 2022/23 αναμένεται να φτάσει τα 29,75 εκατομμύρια σακούλες, εκ των οποίων η Robusta αντιπροσωπεύει περισσότερο από το 95%.
Στην Ετήσια Ανασκόπηση του Διεθνούς Οργανισμού Καφέ για το 2021/2022, το Βιετνάμ κατέλαβε την πρώτη θέση στην παραγωγικότητα της καλλιέργειας καφέ με 2,4 τόνους/εκτάριο. Η παραγωγή καφέ στο Βιετνάμ αποτελείται από κόκκους Robusta, Arabica, Cherri, Moka και Culi, οι οποίοι είναι οι πιο δημοφιλείς κόκκοι καφέ που καλλιεργούνται στο Βιετνάμ.
Ωστόσο, οι τιμές των γεωργικών προϊόντων γενικά και οι τιμές των κόκκων καφέ ειδικότερα είναι συχνά ασταθείς και μπορούν να παρουσιάσουν έντονες διακυμάνσεις κατά τη διάρκεια των περιόδων υψηλής συγκομιδής, επηρεάζοντας σημαντικά το εισόδημα των αγροτών και προκαλώντας ζημία στην οικονομία .
Από αριστερά προς τα δεξιά: Φοιτητές της Σχολής Επιστημών , Μηχανικών και Τεχνολογίας του RMIT: Lam Tin Dieu, Nguyen Hai Minh Trang, Nguyen Phuong Nam (πάνω σειρά), Le Ngoc Nguyen Thuan, Doan Chanh Thong (κάτω σειρά)
Από αριστερά προς τα δεξιά: Φοιτητές της Σχολής Επιστημών, Μηχανικών και Τεχνολογίας του RMIT: Lam Tin Dieu, Nguyen Hai Minh Trang, Nguyen Phuong Nam (πάνω σειρά), Le Ngoc Nguyen Thuan, Doan Chanh Thong (κάτω σειρά)
Προκειμένου να διερευνηθεί μια λύση σε αυτό το πρόβλημα, σε διάστημα τεσσάρων μηνών, μια ομάδα τελειόφοιτων φοιτητών του πτυχίου Πληροφορικής της Σχολής Επιστημών, Μηχανικής και Τεχνολογίας, συμπεριλαμβανομένων των Nguyen Hai Minh Trang, Doan Chanh Thong, Le Ngoc Nguyen Thuan, Nguyen Phuong Nam και Lam Tin Dieu, εκπαίδευσαν και αξιολόγησαν έξι μοντέλα μηχανικής μάθησης (ML) για την πρόβλεψη των τιμών του καφέ, τα οποία μπορούν να βοηθήσουν τους Βιετναμέζους αγρότες να λαμβάνουν τεκμηριωμένες αποφάσεις σχετικά με τις καλλιέργειές τους και να σχεδιάζουν ανάλογα, βελτιστοποιώντας τα κέρδη και ελαχιστοποιώντας τις απώλειες.
«Αναπτύξαμε έξι μοντέλα ML, συγκεκριμένα τα LSTM, GRU, ARIMA, SARIMA, SVM και RF, με βάση το ιστορικό των τιμών του καφέ, των τιμών της βενζίνης, της θερμοκρασίας και των βροχοπτώσεων, για να προβλέψουμε τις τιμές του καφέ Robusta στην επαρχία Lam Dong και διαπιστώσαμε ότι το μοντέλο RF, χρησιμοποιώντας ολόκληρο το σύνολο δεδομένων, ήταν το πιο αποτελεσματικό», δήλωσε ο Trang.
Μεταξύ των 6 μοντέλων μηχανικής μάθησης, το μοντέλο RF, το οποίο χρησιμοποιεί ολόκληρο το σύνολο δεδομένων, δίνει τα καλύτερα αποτελέσματα.
«Το RF μπορεί να ενσωματώσει πλουσιότερα σύνολα δεδομένων και να χειριστεί μη γραμμικές σχέσεις. Επιπλέον, η τιμή των καυσίμων αποδεικνύεται ότι αποτελεί σημαντικό προγνωστικό παράγοντα και ξεπερνά όλα τα άλλα δοκιμασμένα χαρακτηριστικά μαζί.»
Η ομάδα τόνισε ότι το μοντέλο έχει δυνατότητες περαιτέρω βελτίωσης μελετώντας και ενσωματώνοντας τον αντίκτυπο των αποδόσεων των καλλιεργειών, των τάσεων της αγοράς και των γεωπολιτικών γεγονότων στις τιμές των γεωργικών προϊόντων.
Κάθε μέλος της ομάδας αντιμετώπισε διαφορετικές προκλήσεις κατά τη διάρκεια του έργου, όπως η έλλειψη εις βάθος κατανόησης των διαφορετικών μοντέλων μηχανικής μάθησης (ML), η αποτελεσματική επικοινωνία της πολυπλοκότητας των δραστηριοτήτων τους στον τομέα της Τεχνητής Νοημοσύνης ή η διαχείριση του χρόνου και της επικοινωνίας κατά την εξ αποστάσεως εργασία. Ωστόσο, επενδύοντας σημαντικό χρόνο στην έρευνα, εμβαθύνοντας στην Τεχνητή Νοημοσύνη και στις ερευνητικές εργασίες που σχετίζονται με τη Μηχανική Μάθηση (ML) και βελτιώνοντας τις τεχνικές και συνεργατικές τους δεξιότητες, βελτίωσαν τις ερευνητικές τους δεξιότητες στην Τεχνητή Νοημοσύνη για προβλήματα του πραγματικού κόσμου και κατάφεραν να αναπτύξουν την έρευνα της ομάδας τους σε προϊόντα του πραγματικού κόσμου.
«Η κύρια πρόκληση για εμάς περιστρεφόταν γύρω από τη συλλογή και την ενσωμάτωση δεδομένων», μοιράστηκε ο Thuan.
«Ενώ η ανάπτυξη του μοντέλου ήταν αρκετά απλή, η σημαντική επένδυση χρόνου που απαιτήθηκε για τη συλλογή και την ενσωμάτωση δεδομένων αποτέλεσε μια τεράστια πρόκληση για εμάς. Κάθε μέλος της ομάδας πέρασε από μια σειρά μαθημάτων και εξελίξεων τόσο στις τεχνικές του δεξιότητες όσο και στον συντονισμό του έργου, από την εις βάθος έρευνα έως την προώθηση της καινοτομίας και την εξεύρεση νέων λύσεων.»
Κατά τον χρόνο της μελέτης, ο Nam εργαζόταν στο Ανόι και είχε πλήρη απασχόληση. Για την αποφυγή καθυστερήσεων και πιθανών διαταραχών, ο Nam είπε ότι η ομάδα κανόνιζε εβδομαδιαίες συναντήσεις και διατηρούσε τακτική επικοινωνία, τόσο για να παρακινεί ο ένας τον άλλον να παραμένει σε καλό δρόμο όσο και για να ολοκληρώνει το φόρτο εργασίας που του είχε ανατεθεί.
Το τελικό έργο της ομάδας επιβλέπονταν στενά από μέλη ΔΕΠ της Σχολής Επιστημών, Μηχανικής και Τεχνολογίας, RMIT Βιετνάμ. Τα αποτελέσματα του έργου παρουσιάστηκαν πρόσφατα σε μια διεθνή εκδήλωση υψηλού κύρους – το 8ο Διεθνές Συνέδριο IEEE/ACIS για τα Μεγάλα Δεδομένα, το Cloud Computing και τη Μηχανική Επιστήμης Δεδομένων (BCD 2023) – με ερευνητές, επιστήμονες, μηχανικούς και ειδικούς στους τομείς των Μεγάλων Δεδομένων, του Cloud Computing και της Επιστήμης Δεδομένων.
Ο φοιτητής Nguyen Phuong Nam δείχνει πώς λειτουργεί ο ιστότοπος προσομοίωσης τιμής καφέ
Η ομάδα σχεδιάζει να βελτιώσει τα μοντέλα με βάση τα σχόλια από τις παρουσιάσεις του συνεδρίου, καθώς και να διερευνήσει άλλες προσεγγίσεις για να βελτιώσει την ακρίβεια και την εφαρμοσιμότητα των προβλέψεών της.
«Σχεδιάζουμε να εμβαθύνουμε περαιτέρω σε τεχνικές αιχμής και αναδυόμενες μεθόδους σε αυτόν τον τομέα, για να ενισχύσουμε περαιτέρω τα ερευνητικά αποτελέσματα που έχει επιτύχει η ομάδα», δήλωσε ο Thong.
«Επιπλέον, σχεδιάζουμε να συνεργαστούμε με άλλους ειδικούς στον τομέα και να διερευνήσουμε πιθανές συνεργασίες για να επεκτείνουμε το πεδίο εφαρμογής και τον αντίκτυπο των ερευνητικών ευρημάτων της ομάδας.»
Η ομάδα σχεδιάζει να συνεχίσει να επαναλαμβάνει και να αναβαθμίζει την έρευνα, ώστε να μπορεί να συνεισφέρει πρακτικά στον συνεχώς εξελισσόμενο τομέα των Μεγάλων Δεδομένων και της Τεχνητής Νοημοσύνης από την συγκεκριμένη έρευνά σας.
[διαφήμιση_2]
Σύνδεσμος πηγής
Σχόλιο (0)